基于机器学习的COX抑制剂预测模型研究

• 作者: 柳贤德 白勇 聂长森
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: COX抑制剂 机器学习方法 自组织特征神经网络 随机森林 支持向量机
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 74-77,82
• 页数: 5页
• 分类号: TP301
• 字数: 3943字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.10.016

摘要

针对目前COX(环氧合酶)抑制剂较少且抑制效果差的问题,以及传统的化学实验筛选COX抑制剂分子的方法中成本高且效率低的问题,基于机器学习算法,提出并建立了一种COX抑制剂的预测模型.该模型可高效且准确地找到COX抑制剂,通过大量搜集文献中的数据建立数据集,使用Mold2软件计算化合物分子描述符,利用自组织特征映射神经网络(SOM)划分训练集和测试集,应用随机森林(RF)和支持向量机(SVM)等机器学习算法分别建立了COX抑制剂预测模型.实验对比发现,SOM结合RF算法较传统化学实验方法具有更好的预测精度,且预测效率也有大幅提升.实验研究表明,基于自组织神经网络和随机森立的机器学习方法建立的COX抑制剂预测模型,具有很好的分类预测效果,可以为COX抑制剂的分析与预测提供有力的研究工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白勇	海南大学信息科学技术学院	31	85	4.0	7.0
2	柳贤德	海南大学农学院	23	70	4.0	8.0
3	聂长森	海南大学信息科学技术学院	2	1	1.0	1.0